Salah satu komponen utama penelitian yang dirancang dengan baik adalah mendefinisikan sampel dan apa yang dimaksud dengan sampel yang representatif. Ini seperti contoh kue. Lagi pula, Anda tidak perlu memakan seluruh makanan penutup untuk memahami rasanya? Sebagian kecil saja sudah cukup.
Jadi, kuenya adalah populasi (yaitu, seluruh responden yang memenuhi syarat untuk survei). Hal ini dapat diungkapkan secara geografis, misalnya hanya oleh penduduk wilayah Moskow. Jenis Kelamin - khusus wanita. Atau memiliki batasan usia - orang Rusia berusia di atas 65 tahun.
Menghitung jumlah penduduk itu sulit: Anda perlu memiliki data dari sensus penduduk atau survei penilaian awal. Oleh karena itu, biasanya populasi umum “diperkirakan”, dan dari jumlah yang dihasilkan mereka menghitungnya populasi sampel atau mencicipi.
Apa yang dimaksud dengan sampel representatif?
Mencicipi– ini adalah jumlah responden yang ditentukan dengan jelas. Strukturnya harus sedapat mungkin sesuai dengan struktur populasi umum dalam hal karakteristik utama seleksi.
Misalnya, jika calon responden adalah seluruh penduduk Rusia, di mana 54% adalah perempuan dan 46% laki-laki, maka sampel harus memuat persentase yang sama persis. Jika parameternya sama, maka sampel tersebut dapat disebut representatif. Artinya, ketidakakuratan dan kesalahan dalam penelitian dapat diminimalkan.
Ukuran sampel ditentukan dengan mempertimbangkan persyaratan akurasi dan ekonomi. Persyaratan ini berbanding terbalik satu sama lain: semakin besar ukuran sampel, semakin akurat hasilnya. Selain itu, semakin tinggi keakuratannya, semakin besar pula biaya yang diperlukan untuk melakukan penelitian. Dan sebaliknya, semakin kecil sampelnya, semakin sedikit biaya yang dikeluarkan, dan semakin kurang akurat dan acak sifat-sifat populasi umum yang direproduksi.
Oleh karena itu, untuk menghitung jumlah pilihan, sosiolog menemukan rumus dan menciptakannya kalkulator khusus:
Kemungkinan kepercayaan diri Dan kesalahan kepercayaan diri
Apa arti istilah " probabilitas kepercayaan" Dan " kesalahan kepercayaan diri"? Probabilitas keyakinan merupakan indikator keakuratan pengukuran. Dan Confidence error merupakan kesalahan yang mungkin terjadi pada hasil penelitian. Misalnya, dengan populasi lebih dari 500,00 orang (misalkan tinggal di Novokuznetsk), sampelnya akan berjumlah 384 orang dengan probabilitas kepercayaan 95% dan kesalahan 5% ATAU (dengan interval kepercayaan 95±5 %).
Apa yang berikut ini? Ketika melakukan 100 penelitian dengan sampel seperti itu (384 orang), dalam 95 persen kasus, jawaban yang diperoleh, menurut hukum statistik, akan berada dalam kisaran ±5% dari jawaban awal. Dan kami akan menerima sampel yang representatif dengan kemungkinan kesalahan statistik yang minimal.
Setelah ukuran sampel dihitung, Anda dapat melihat apakah terdapat cukup jumlah responden di Panel Kuesioner versi demo. Anda dapat mengetahui lebih lanjut tentang cara melakukan survei panel.
Keterwakilan sampel
| Nama parameter | Arti |
| Topik artikel: | Keterwakilan sampel |
| Rubrik (kategori tematik) | Psikologi |
Persyaratan pengambilan sampel
Sejumlah persyaratan wajib diterapkan pada sampel, pertama-tama ditentukan oleh maksud dan tujuan penelitian. Perencanaan percobaan harus mencakup pertimbangan ukuran sampel dan sejumlah fiturnya. Jadi, dalam penelitian psikologi kebutuhan itu penting keseragaman sampel. Artinya, seorang psikolog yang mempelajari, misalnya remaja, tidak bisa memasukkan orang dewasa ke dalam sampel yang sama. Sebaliknya, penelitian yang dilakukan dengan metode pembagian usia pada dasarnya mengasumsikan adanya subjek dari berbagai usia. Pada saat yang sama, dalam hal ini homogenitas sampel harus diperhatikan, tetapi berdasarkan kriteria lain, terutama seperti usia dan jenis kelamin. Dasar pembentukan sampel yang homogen dapat berupa berbagai ciri, seperti tingkat kecerdasan, kebangsaan, tidak adanya penyakit tertentu, dan lain-lain, berdasarkan tujuan penelitian.
Secara umum statistika ada konsepnya ulang Dan tidak berulang sampel, atau dengan kata lain sampel dengan dan tanpa pengembalian. Sebagai contoh, sebagai aturan, diberikan pilihan bola yang diambil dari wadah. Dalam kasus pengambilan sampel kembali, setiap bola yang dipilih dikembalikan ke wadah dan oleh karena itu harus dipilih kembali. Dalam hal pemilihan tidak berulang, bola yang telah dipilih dikesampingkan dan tidak dapat lagi berpartisipasi dalam pemilihan. Dalam penelitian psikologi, analogi metode pengorganisasian studi sampel semacam ini dapat ditemukan, karena seorang psikolog sering kali harus menguji subjek yang sama beberapa kali dengan menggunakan teknik yang sama. Selain itu, sebenarnya, prosedur pengujian dalam kasus ini diulangi. Sampel subjek dengan identitas lengkap komposisi dalam kasus penelitian berulang akan selalu memiliki beberapa perbedaan karena variabilitas fungsional dan terkait usia yang melekat pada semua orang. Karena sifat prosedurnya, sampel seperti itu diulangi, meskipun arti istilah di sini jelas berbeda dibandingkan dengan bola.
Penting untuk ditekankan bahwa semua persyaratan untuk setiap sampel bermuara pada fakta bahwa atas dasar itu psikolog harus memperoleh informasi yang paling lengkap dan tidak terdistorsi tentang karakteristik populasi umum dari mana sampel tersebut diambil. Dengan kata lain, sampel harus mencerminkan karakteristik populasi yang diteliti semaksimal mungkin.
Komposisi sampel percobaan harus mewakili (model) populasi umum, karena kesimpulan yang diperoleh dalam percobaan diharapkan selanjutnya dapat ditransfer ke seluruh populasi. Oleh karena itu, sampel harus mempunyai kualitas khusus - keterwakilan, memungkinkan kesimpulan yang diperoleh darinya untuk diperluas ke seluruh populasi.
Keterwakilan sampel sangat penting, namun karena alasan obyektif, hal ini sangat sulit dipertahankan. Dengan demikian, merupakan fakta yang diketahui bahwa dari 70% hingga 90% dari semua studi psikologis tentang perilaku manusia dilakukan di Amerika Serikat pada tahun 60an abad ke-20 dengan subjek mahasiswa, sebagian besar dari mereka adalah mahasiswa psikolog. Dalam penelitian laboratorium yang dilakukan pada hewan, subjek penelitian yang paling umum adalah tikus. Oleh karena itu, bukanlah suatu kebetulan jika psikologi sebelumnya disebut sebagai “ilmu mahasiswa tahun kedua dan tikus putih”. Mahasiswa psikologi perguruan tinggi hanya berjumlah 3% dari total populasi AS. Jelas sekali bahwa sampel siswa tidak mewakili model yang mengklaim mewakili seluruh populasi negara.
Perwakilan pengambilan sampel, atau, seperti yang juga mereka katakan, perwakilan Sampel adalah sampel yang seluruh ciri-ciri utama dari suatu populasi umum disajikan dalam proporsi yang kira-kira sama dan dengan frekuensi yang sama dimana suatu karakteristik tertentu muncul dalam suatu populasi umum tertentu. Dengan kata lain, sampel yang representatif adalah model populasi yang lebih kecil namun akurat yang ingin dicerminkan. Sejauh sampel tersebut representatif, kesimpulan berdasarkan studi terhadap sampel tersebut dapat diasumsikan berlaku untuk seluruh populasi. Distribusi hasil ini biasa disebut kemampuan generalisasi.
Idealnya, sampel yang representatif harus sedemikian rupa sehingga setiap karakteristik dasar, ciri-ciri, ciri-ciri kepribadian, dll dipelajari oleh seorang psikolog. akan terwakili di dalamnya secara proporsional dengan ciri-ciri yang sama pada populasi umum. Berdasarkan persyaratan tersebut, prosedur pengambilan sampel harus mempunyai logika internal yang dapat meyakinkan peneliti bahwa jika dibandingkan dengan populasi umum, memang akan representatif.
Dalam aktivitas spesifiknya, psikolog bertindak sebagai berikut: menetapkan subkelompok (sampel) dalam populasi umum, mempelajari sampel ini secara rinci (melakukan pekerjaan eksperimental dengannya), dan kemudian, jika hasil analisis statistik memungkinkan, memperluas temuannya. kepada seluruh populasi umum. Ini adalah tahapan utama pekerjaan psikolog dengan sampel.
Calon psikolog harus mengingat kesalahan yang sering diulang: setiap kali dia mengumpulkan data dengan metode apa pun dan dari sumber apa pun, dia selalu tergoda untuk menggeneralisasi kesimpulannya ke seluruh populasi. Untuk menghindari kesalahan seperti itu, Anda tidak hanya perlu memiliki akal sehat, tetapi, yang terpenting, menguasai konsep dasar statistik matematika dengan baik.
Keterwakilan sampel - konsep dan tipe. Klasifikasi dan ciri-ciri kategori "Keterwakilan sampel" 2017, 2018.
Sifat pengambilan sampel, yang memungkinkan hasil penelitian sampel memungkinkan seseorang menarik kesimpulan tentang populasi umum dan objek empiris secara keseluruhan, disebut keterwakilan.
Keterwakilan (representativeness) sampel adalah kemampuan sampel untuk mereproduksi karakteristik tertentu dari populasi dalam kesalahan yang dapat diterima. Suatu sampel disebut representatif jika hasil pengukuran parameter tertentu untuk sampel tertentu, dengan memperhitungkan kesalahan yang diperbolehkan, bertepatan dengan hasil pengukuran populasi umum yang diketahui. Jika suatu pengukuran sampel menyimpang dari parameter populasi yang diketahui lebih dari tingkat kesalahan yang dipilih, maka sampel tersebut dianggap tidak representatif.
Definisi yang diusulkan pertama-tama ditetapkan hubungan antara sampel dan populasi riset. Populasi umumlah yang diwakili oleh sampel, dan hanya populasi umum yang dapat diperluas ke tren yang diidentifikasi dalam studi sampel. Sekarang sudah jelas mengapa perhatian seperti itu sebelumnya diberikan pada masalah pendefinisian populasi secara tepat dan mendeskripsikannya dalam dokumentasi penelitian dan publikasi. Sampel tidak dapat mewakili suatu populasi selain dari populasi yang unit pengukurannya sebenarnya dipilih. Jika peneliti keliru mengenai batasan populasi yang sebenarnya, maka kesimpulannya pun salah. Jika ia secara keliru atau sengaja memperluas atau memutarbalikkan batasan populasi dalam materi pemberitaan, publikasi, atau presentasi berdasarkan hasil penelitian, maka hal ini menyesatkan pengguna dan dapat dianggap sebagai pemalsuan hasil.
Uji keterwakilan dilakukan dengan membandingkan parameter individu sampel dan populasi umum. Kesalahpahaman yang umum adalah bahwa sampel yang representatif “ada”.
Keterwakilan atau ketidakterwakilan suatu sampel dapat ditentukan semata-mata dalam kaitannya dengan variabel individual. Selain itu, sampel yang sama dapat mewakili dalam beberapa hal dan tidak mewakili dalam hal lain.
Biasanya, dalam wacana profesional sosiolog, keterwakilan disajikan sebagai properti dikotomis - sampel bisa representatif atau tidak. Namun ini bukanlah pendekatan yang sepenuhnya tepat. Pada kenyataannya, suatu sampel dapat mereproduksi beberapa parameter populasi dengan lebih akurat dan parameter lainnya kurang akurat. Oleh karena itu, lebih tepat (walaupun dari sudut pandang praktis dan kurang nyaman) untuk dibicarakan tingkat keterwakilan sampel tertentu sesuai dengan parameter tertentu.
Seperti halnya sampel secara keseluruhan, kunci untuk menentukan keterwakilan suatu sampel adalah dengan membenarkan margin kesalahan di mana sampel tersebut dianggap mewakili tujuan penelitian. Hal sebaliknya juga mungkin terjadi - memperbaiki ukuran kesalahan faktual dan menyatakan fakta bahwa sampel mewakili populasi umum dengan kesalahan tertentu. Sekali lagi, sifat penggunaan temuan penelitian memainkan peran penting dalam hal ini. Oleh karena itu, sampel yang sama mungkin dianggap cukup mewakili untuk beberapa tujuan (misalnya, untuk memprediksi jumlah pemilih pada pemilu mendatang), namun tidak cukup mewakili untuk tujuan lain (misalnya, untuk menentukan peringkat kandidat dan memprediksi hasil pemungutan suara).
Parameter apa yang harus digunakan untuk memeriksa keterwakilan sampel? Pertama, hanya ada sedikit parameter seperti itu di sebagian besar situasi penelitian. Bagaimanapun, hasil pengukuran sampel dengan data populasi umum hanya dapat dibandingkan jika data terakhir tersedia. Dan penelitian ini dilakukan karena data tersebut tidak mencukupi. Oleh karena itu, bahkan pada tahap pemodelan objek dan pengembangan alat selanjutnya, disarankan untuk menyediakan pengukuran satu atau lebih parameter kontrol yang datanya tersedia untuk mengkarakterisasi populasi umum. Hal ini akan memberikan dasar empiris yang diperlukan untuk menguji keterwakilan.
Kedua, seseorang harus berusaha untuk memeriksa keterwakilan sampel menurut parameter yang penting untuk bidang studi. Dalam praktik modern, kontrol keterwakilan berdasarkan parameter demografi dasar - jenis kelamin, usia, pendidikan, dll., biasanya, tersedia untuk objek teritorial apa pun, karena dicatat selama sensus penduduk dan kemudian dihitung ulang dengan statistik. institusi menggunakan model matematika yang baik. Oleh karena itu, pencantuman wajib beberapa variabel demografi dalam lembar data telah menjadi norma profesional yang diterima secara umum. Namun, praktik seperti itu dapat digolongkan sebagai naif dan dapat dikritik. Faktanya, parameter demografi dasar yang tersedia untuk umum untuk perbandingan tidak selalu berperan sebagai faktor penataan dalam kaitannya dengan subjek penelitian sosiologi. Sifat mereka sendiri tidak bersifat sosial, dan pengaruhnya terhadap objek penelitian seringkali tidak langsung. Oleh karena itu, sampel yang representatif secara demografis mungkin sebenarnya menyembunyikan permasalahan signifikan dalam bentuk kesalahan sistem dan bias yang tidak terkendali. Sebaliknya, keterwakilan demografis sampel yang efektif dalam hal tujuan dan sasaran penelitian mungkin rendah.
Berikut adalah contoh menarik dari latihan. Pada tahun 2009, salah satu perusahaan riset yang bekerja di Ural melakukan survei di kota Kizel, Wilayah Perm. Selama kerja lapangan, para peneliti menghadapi kendala serius dalam merekrut sampel yang direncanakan dalam rencana penelitian - kurangnya jumlah responden yang tersedia, dan memburuknya kondisi cuaca. Rupanya, perusahaan riset tersebut belum sepenuhnya siap untuk melaksanakan pekerjaan pada proyek berskala besar tersebut. Fasilitas produksinya bekerja pada kapasitas maksimum untuk memastikan bahwa 6.000 responden disurvei di area yang cukup luas dalam waktu seminggu. Hasilnya, sampel sebenarnya di banyak lokasi survei, menurut pengakuan peneliti sendiri, diisi oleh semua orang yang dapat direkrut untuk berpartisipasi dalam penelitian ini. Kuota demografis yang ditetapkan oleh kerangka acuan telah dilanggar di sebagian besar wilayah survei. Di beberapa daerah, distorsi proporsi sampel terhadap target kuota mencapai 2,5 kali lipat untuk kategori populasi tertentu, sehingga menimbulkan keraguan akan penggunaan kuota sampling. Tampaknya pelanggan penelitian ini mempunyai banyak alasan untuk membuat klaim yang masuk akal terhadap para peneliti.
Namun, pemeriksaan yang dilakukan atas nama pengadilan arbitrase menemukan bahwa distorsi kuota yang begitu signifikan dan, oleh karena itu, sampel yang dihasilkan tidak mewakili secara nyata dalam hal parameter demografi dasar, praktis tidak menyebabkan distorsi data penelitian! Dengan menimbang ulang susunan data, para ahli memperoleh efek sampel yang representatif berdasarkan parameter yang dikontrol. Hampir semua distribusi frekuensi data yang diuji oleh para ahli menunjukkan perbedaan yang tidak signifikan secara statistik antara hasil pemrosesan array aktual dan array yang ditimbang ulang. Secara de facto, ini berarti bahwa, meskipun terdapat pelanggaran berat terhadap teknologi survei dan pengabaian praktis terhadap penetapan kuota, para peneliti memberikan data yang sama kepada pelanggan yang dapat diandalkan jika prosedur pengambilan sampel telah diikuti sepenuhnya dan keterwakilan demografis telah dipastikan.
Bagaimana ini bisa terjadi? Jawabannya sederhana - parameter demografi yang digunakan untuk mengontrol keterwakilan hampir tidak memiliki pengaruh (dan ini dikonfirmasi oleh analisis korelasi) terhadap variabel subjek penelitian - penilaian populasi terhadap situasi sosial-ekonomi dan parameter sosial-politiknya. aktivitas. Selain itu, ukuran sampelnya sangat besar dibandingkan dengan populasi umum (pada kenyataannya, penelitian ini mencakup seperempat populasi orang dewasa di wilayah kota), yang, sebagai akibat dari hukum jumlah besar, menyebabkan stabilisasi distribusi yang diamati jauh sebelum jumlah responden yang dibutuhkan diwawancarai.
Implikasi praktis dari kisah peringatan ini adalah bahwa upaya dan sumber daya harus diarahkan untuk memastikan dan mengendalikan keterwakilan sehubungan dengan parameter pengambilan sampel yang peneliti harapkan akan mempunyai dampak signifikan terhadap subjek penelitian. Artinya, parameter untuk mengontrol keterwakilan harus dipilih secara spesifik untuk setiap proyek penelitian, sesuai dengan kekhususan subjeknya. Misalnya, penilaian terhadap status sosial ekonomi selalu berkaitan erat dengan kesejahteraan nyata keluarga responden, posisinya di pasar tenaga kerja dan dunia usaha. Oleh karena itu, disarankan untuk menggunakan parameter ini untuk mengontrol keterwakilan. Hal lainnya adalah sulitnya memperoleh data obyektif yang mencirikan populasi umum. Hal ini memerlukan kreativitas dan mungkin kompromi. Misalnya, tingkat kesejahteraan dapat dipantau dengan adanya mobil di keluarga responden, karena statistik mobil yang terdaftar di wilayah tersebut mungkin tersedia.
Menariknya, laporan penelitian dan publikasi hampir selalu mengacu pada sampel yang representatif. Apakah sampel yang tidak representatif memang sangat langka? Tentu saja tidak. Cukup banyak sampel yang bermasalah dalam hal keterwakilan pada parameter tertentu dalam praktik penelitian. Sebaliknya, jumlahnya bahkan lebih banyak daripada sampel, yang keterwakilannya tidak dapat dinilai secara formal (berdasarkan parameter demografi), tetapi pada dasarnya. Namun sayangnya, penyebutan mereka di depan umum di kalangan sosiologi profesional adalah hal yang tabu. Dan tidak ada peneliti yang siap untuk mengakui bahwa keterwakilan sampelnya dalam hal parameter penting untuk subjek pengukuran bermasalah atau tidak dapat diverifikasi.
Faktanya, menemukan tanda-tanda bahwa sampel tersebut tidak representatif bukanlah suatu bencana. Pertama, teknologi yang ada untuk “memperbaiki” (menimbang kembali) sampel dalam banyak kasus memungkinkan untuk sepenuhnya menghilangkan efek ketidakterwakilan mengenai parameter yang mengkhawatirkan sosiolog atau kliennya. Inti dari metode pembobotan ulang adalah menetapkan kategori observasi tertentu (dalam hal survei, responden) koefisien bobot, sebagai kompensasi atas representasi aktual yang tidak memadai atau berlebihan dari kategori-kategori ini dalam sampel. Selanjutnya, bobot ini diperhitungkan saat melakukan semua operasi penghitungan dengan larik data, yang memungkinkan diperolehnya distribusi yang sepenuhnya sesuai dengan larik data yang seimbang (sesuai dengan kuota penghitungan). Program statistik modern, seperti BRvv, memungkinkan penghitungan dengan memperhitungkan koefisien pembobotan modus otomatis, yang membuat prosedur ini cukup mudah untuk dilakukan.
Kedua, meskipun tidak mungkin memperoleh sampel yang representatif “baik”, keterwakilan “moderat” mungkin cukup untuk menyelesaikan banyak masalah penelitian. Ingatlah bahwa keterwakilan merupakan ukuran kesesuaian dan bukan penanda dikotomis. Dan hanya tugas penelitian tertentu - terutama terkait dengan peramalan akurat atas peristiwa tertentu - yang memerlukan keterwakilan sampel yang sangat tinggi (terbukti secara statistik).
Misalnya, untuk memprediksi pangsa pasar suatu produk baru dalam riset pemasaran, diperlukan sampel yang mencakup dan mewakili calon pelanggan. Namun, seringkali pemasar tidak memiliki data yang cukup tentang siapa sebenarnya yang termasuk dalam lingkaran klien mereka, terutama klien potensial. Dalam situasi ini, umumnya tidak mungkin untuk memeriksa keterwakilan sampel - lagipula, tidak diketahui parameter apa yang harus direproduksi. Namun demikian, banyak tugas pemasaran yang berhasil diselesaikan, karena sampel yang representatif secara statistik tidak diperlukan untuk mengidentifikasi preferensi pelanggan, reaksi terhadap materi iklan, dan menganalisis ulasan produk baru - cukup untuk memastikan cakupan pelanggan pada umumnya, yang mudah ditemukan. tepat di toko-toko. Sampel yang tidak representatif cukup cocok untuk memecahkan masalah pencarian, mengidentifikasi tren yang kuat, menganalisis kekhususan kategori individu (diwakili oleh subsampel independen kecil), membandingkan kategori tersebut satu sama lain (analisis bivariat), menganalisis hubungan antar variabel dan tugas-tugas lain di mana keakuratan distribusi statistik yang diperoleh terbatas.
4.1 Apa yang dinyatakan dalam standar
Bagian 8 ISO 9001:2000 mencakup "pengukuran, analisis, dan peningkatan". Meskipun pengambilan sampel tidak tercakup dalam standar ini, klausul 8.1, yang merupakan pengantar umum untuk keseluruhan bagian pengukuran, menyatakan bahwa aktivitas pengukuran, analisis, dan peningkatan (harus mencakup identifikasi metode yang dapat diterapkan, termasuk metode statistik) dan cakupan penerapannya. ). Pengukuran kepuasan pelanggan yang akurat hanya dapat dicapai bila didasarkan pada sampel pelanggan yang baik. Bab ini memberikan gambaran umum tentang metode pengambilan sampel yang digunakan untuk mencapai tujuan ini.
4.2 Teori pengambilan sampel
Prinsip pengambilan sampelnya sederhana. Sebagian besar organisasi memiliki jumlah pelanggan yang banyak, namun untuk memperoleh hasil IEP yang akurat tidak perlu melakukan penelitian terhadap semua orang, cukup dilakukan dengan sampel yang kecil, asalkan sampel tersebut mewakili sekelompok besar orang. Ada beberapa jenis pengambilan sampel, yang ditunjukkan pada Gambar 4.1.
Beras. 4.1 Kemungkinan sampel
4.2.1 Pengambilan sampel probabilitas dan non-probabilitas
Perbedaan mendasar antara sampel adalah apakah sampel tersebut merupakan sampel probabilitas atau non-probabilitas. Pengambilan sampel probabilitas juga sering disebut pengambilan sampel acak, dan hanya dengan sampel acak atau probabilitas, Anda dapat yakin bahwa sampel tersebut bebas dari bias. Menurut definisi, semua anggota populasi dari sampel acak mempunyai peluang yang sama untuk terwakili di dalamnya, dan contoh paling nyata dari sampel acak adalah lotere biasa. Semua bola atau nomor yang tersisa dalam pengundian mempunyai peluang yang sama untuk diambil pada kesempatan berikutnya. Jelas bahwa tidak ada tren yang mempengaruhi pilihan nomor dalam togel.
4.2.2 Sampel non-probabilitas
4.2.2.1 Sampel yang tidak representatif
Bentuk pengambilan sampel yang paling sederhana adalah pengambilan sampel non-representatif. Bayangkan Anda sedang melakukan jajak pendapat publik. Anda bisa turun ke jalan dan menanyakan kepada 50 orang pertama yang Anda temui seberapa puas mereka terhadap tindakan pemerintah. Ini akan cepat, sederhana dan murah, tapi tidak akan terlalu representatif. Hal ini mungkin terdengar sepele, namun untuk kasus-kasus yang lebih kompleks, seperti yang akan kita lihat nanti, sangat mudah untuk mengambil sampel yang tidak representatif.
4.2.2.2 Pengambilan sampel yang bertujuan
Bentuk lain dari pengambilan sampel non-probabilitas adalah pengambilan sampel purposif. Ini adalah bentuk yang sama yang kami usulkan untuk penelitian eksploratif, dan meskipun pengambilan sampel purposif baik untuk penelitian kualitatif yang tidak bertujuan untuk mencapai statistik yang baik, namun tidak cocok untuk penelitian dasar, atau penelitian lain yang bertujuan untuk mendapatkan hasil statistik yang dapat diandalkan. hasil. .
4.2.2.3 Pengambilan sampel berdasarkan kuota
Jenis pengambilan sampel non-probabilitas yang ketiga adalah pengambilan sampel kuota, dan sering digunakan untuk mempelajari populasi besar. Bayangkan sebuah dewan kota ingin mengukur tingkat kepuasan penduduk terhadap layanan dan fasilitas yang diberikan dewan kota kepada mereka. Misalkan Anda memutuskan untuk mewawancarai anggota sampel kuota 500 orang yang tinggal di jalan kota. Anda dapat menugaskan lima pewawancara, masing-masing bertugas mewawancarai 100 orang di area perbelanjaan utama. Namun pewawancara tidak diperbolehkan menggunakan pengambilan sampel yang tidak representatif, yaitu mewawancarai 100 orang pertama yang mereka temui. Pengambilan sampel kuota mengharuskan setiap pewawancara untuk mematuhi banyak norma yang ditetapkan secara cermat untuk memastikan bahwa sampel mewakili populasi lokal. Standar-standar tersebut mungkin didasarkan pada statistik yang tersedia bagi dewan kota yang menunjukkan kelompok-kelompok penduduk yang terbagi. Jadi, misalnya, data ini mungkin menunjukkan bahwa 15% penduduk berusia 21 hingga 30 tahun, 18% berusia 31 hingga 40 tahun, dan seterusnya. Pembagian tersebut juga dapat didasarkan pada karakteristik lain, misalnya berdasarkan jenis kelamin. , tingkat pendapatan, asal etnis. Jika dewan ingin sampelnya representatif, maka dewan harus mencakup semua kelompok tersebut dalam proporsi yang sama dengan keterwakilan mereka dalam keseluruhan populasi. Untuk mencapai hal ini, pewawancara harus menentukan kelompok dan kuota bagi mereka. Dalam contoh yang diberikan, 15 dari setiap 100 orang yang diwawancarai harus berusia antara 21 dan 30 tahun, 18 orang harus berusia antara 31 dan 40 tahun, dan hal ini harus digabungkan dengan kuota untuk kelompok lain yang ditentukan berdasarkan gender, pendapatan, dll. .
Misalkan pewawancara bekerja sepanjang minggu, dari Senin sampai Jumat, dari jam 9 pagi sampai jam 5 sore setiap hari, melakukan wawancara di pusat perbelanjaan, sehingga pada akhir minggu masing-masing dari mereka telah menyelesaikan 100 wawancara dengan memenuhi semua standar. Outputnya adalah sampel berukuran 500 yang sepenuhnya mewakili populasi kota, tetapi tidak dipilih secara acak sehingga tidak lepas dari tren. Menurut definisi random sampling, semua penduduk suatu kota harus mempunyai kesempatan yang sama untuk terwakili dalam sampel. Dalam contoh di atas, hanya orang-orang yang mengunjungi pusat perbelanjaan pada hari-hari tertentu dalam seminggu dari jam 9 pagi sampai jam 5 sore yang memiliki kesempatan tersebut. Oleh karena itu, sampel yang diambil pasti akan bias, mungkin terhadap orang lanjut usia, pengangguran, dan orang yang bekerja di sekitar lokasi. Pada kenyataannya, tentu saja, para peneliti berusaha meminimalkan kecenderungan yang melekat dalam pengambilan sampel kuota dengan melakukan wawancara di tempat dan waktu yang berbeda, namun mereka tidak akan pernah bisa sepenuhnya menghilangkannya, karena sampel hanya dapat mewakili orang-orang yang pada waktu tertentu. berakhir di suatu tempat tertentu, jadi secara teoritis sampel seperti itu tidak akan pernah acak, sepenuhnya bebas dari tren.
Hal ini tidak berarti pengambilan sampel kuota tidak boleh digunakan. Jika Anda tidak mengetahui orang-orang yang menjadi pelanggan Anda, Anda tidak dapat mengambil sampel acak karena tidak ada cara untuk membuat daftar seluruh populasi yang akan diambil sampelnya. Misalnya, banyak pengecer tidak mengetahui siapa pelanggannya. Dalam situasi seperti ini, organisasi menggunakan sampling kuota.
4.2.3 Sampel probabilitas
Jika Anda memiliki database pelanggan, Anda dapat dan harus mengambil sampel acak, dan langkah pertama adalah menentukan basis sampel. Intinya adalah daftar konsumen yang akan Anda jadikan sampel, dan menentukan daftar ini adalah keputusan strategis. Organisasi biasanya mengukur kepuasan pelanggan setahun sekali, dan kerangka sampel terdiri dari pelanggan yang pernah bertransaksi dengan organisasi dalam dua belas bulan terakhir. Namun, hal ini mungkin tidak dapat diterima oleh semua orang. Misalnya, tidak terlalu efektif ketika mempelajari kepuasan pelanggan dengan sistem bantuan suatu teknologi informasi untuk mengajukan pertanyaan tentang pengalaman menggunakan sistem tersebut selama 11 bulan terakhir. Dalam hal ini sebaiknya menggunakan jangka waktu yang lebih singkat, misalnya menghitung seluruh konsumen yang menggunakan sistem bantuan dalam sebulan terakhir. Hal ini mungkin memerlukan pemantauan terus menerus, dimana survei konsumen dilakukan setiap bulan dan hasilnya diakumulasikan untuk menghasilkan laporan berkala, misalnya triwulanan atau bahkan tahunan jika jumlah konsumen pada triwulan tersebut sedikit.
Dengan demikian, Anda dapat melihat bahwa "pelanggan" yang Anda pelajari mungkin berbeda untuk organisasi yang berbeda, dan definisi mereka adalah keputusan strategis dan Anda harus mendefinisikan mereka dengan jelas, karena konsumen inilah yang akan menjadi dasar penelitian, yaitu konsumen sampel populasi.
4.2.3.1 Pengambilan sampel acak sederhana
Sampel probabilitas atau acak tidak memiliki tren karena semua anggota populasi mempunyai peluang yang sama untuk dimasukkan ke dalam sampel. Seperti yang dinyatakan sebelumnya, lotere memberikan contoh yang baik tentang pengambilan sampel acak sederhana - setiap kali nomor baru dipilih, nomor tersebut dipilih secara acak dari semua nomor yang tersisa dalam "populasi". Namun, ini adalah proses yang cukup panjang jika Anda memerlukan sampel yang besar dari populasi yang besar, jadi pada masa sebelum komputer digunakan untuk mendapatkan sampel yang kompleks, peneliti pasar menemukan cara yang tidak terlalu memakan banyak tenaga untuk mendapatkan sampel acak sederhana, yang dikenal sebagai pengambilan sampel acak sistematis.
4.2.3.2 Pengambilan sampel acak sistematis
Untuk mendapatkan sampel acak sistematis untuk melakukan IEP, Anda terlebih dahulu mencetak daftar konsumen Anda. Katakanlah ada 1000 konsumen dan Anda ingin mengambil sampel 100, yaitu 1 dari 10 orang dari populasi. Pertama, Anda perlu menggunakan generator angka acak untuk mendapatkan angka dari 1 hingga 10. Jika Anda mendapatkan 7, maka Anda memasukkan dalam daftar Anda nama ke-7 dari daftar, tanggal 17, 27, dst., yang akan menghasilkan sistematika. sampel acak sebanyak 100 konsumen. Sebelum menerima nomor acak, semua konsumen mempunyai peluang yang sama untuk diikutsertakan dalam daftar. Oleh karena itu, sampel tersebut merupakan sampel acak, namun mungkin tidak representatif, terutama di pasar bisnis. Dalam hal ini, sebaiknya menggunakan pengambilan sampel acak bertingkat.
Beras. 4.2 Contoh pengambilan sampel acak bertingkat
4.3 Pengambilan sampel konsumen
Kami akan menunjukkan dengan contoh bagaimana pengambilan sampel dapat dilakukan untuk kasus umum pasar bisnis-ke-bisnis. Langkah pertama untuk pasar bisnis ini adalah membangun database pelanggan dan mengurutkannya berdasarkan nilai pelanggan, dimulai dari yang tertinggi dan berlanjut hingga yang terendah. Kemudian Anda biasanya membagi daftar yang dihasilkan menjadi tiga bagian - masing-masing segmen dengan nilai pelanggan tinggi, sedang, dan rendah. Terakhir, tentukan ukuran sampel di setiap segmen. Hasil dari proses ini dirangkum dalam Gambar. 4.2.
4.2.3.3 Pengambilan sampel acak bertingkat
Seringkali dalam pasar bisnis, beberapa pelanggan jauh lebih berharga dibandingkan yang lain. Terkadang sebagian besar aktivitas perusahaan, misalnya 40 atau 50%, dikaitkan dengan lima atau enam pelanggan pertama. Jika pengambilan sampel dilakukan secara acak sederhana atau sistematik, kemungkinan besar tidak satu pun dari lima atau enam konsumen ini yang akan dijadikan sampel. Jelas bahwa tidak ada gunanya melakukan survei yang mengukur kepuasan pelanggan jika 40 atau 50% dari keseluruhan aktivitas perusahaan diabaikan sepenuhnya. Dalam pasar bisnis di mana sebagian besar perusahaan memiliki sejumlah kecil pelanggan bernilai tinggi dan sejumlah besar pelanggan bernilai rendah, sampel acak yang sederhana atau sistematis pasti akan didominasi oleh pelanggan bernilai rendah. Stratified random sampling digunakan untuk memperoleh sampel yang representatif dan bebas dari tren. Memperoleh sampel acak bertingkat pertama-tama melibatkan pembagian konsumen menjadi beberapa segmen, atau jenis, dan kemudian memilih sampel acak dalam setiap segmen. Sampel yang ditunjukkan pada Gambar 4.2 akan mewakili basis konsumen sesuai dengan kontribusi bisnis yang diberikan oleh setiap segmen konsumen. Di pasar konsumen, segmentasinya mungkin berbeda, misalnya berdasarkan usia atau jenis kelamin.
4.3.1 Sampel sampel
Dalam contoh yang ditunjukkan, perusahaan memperoleh 40% omsetnya dari pelanggan bernilai tinggi. Prinsip dasar pengambilan sampel di pasar bisnis adalah jika segmen pelanggan bernilai tinggi menyumbang 40% dari omset (atau laba), maka segmen tersebut harus menyumbang 40% dari sampel. Jika sebuah perusahaan memutuskan untuk mempelajari sampel sebanyak 200 responden, 40% sampel, yaitu 80 responden, harus berasal dari pelanggan bernilai tinggi. Karena terdapat 40 konsumen bernilai tinggi, maka rasio pengambilan sampelnya adalah 2:1, artinya dipilih 2 responden pada segmen bernilai tinggi dari setiap konsumen. Di pasar bisnis, merupakan praktik umum untuk memilih lebih dari satu responden dari konsumen besar ketika melakukan penelitian.
Pelanggan dengan nilai rata-rata juga menyumbang 40% dari omset, jadi mereka juga harus mengambil 40% dari sampel. Artinya perusahaan harus memilih 80 responden dari nilai rata-rata pelanggannya. Karena konsumen tersebut berjumlah 160 orang, maka proporsi sampelnya adalah 1:2, yaitu satu responden untuk setiap dua konsumen yang bernilai rata-rata. Hal ini memerlukan sampel acak yang terdiri dari satu perwakilan dari setiap dua konsumen. Hal ini dapat dengan mudah dilakukan dengan menggunakan prosedur pengambilan sampel acak sistematis yang dijelaskan sebelumnya. Pertama, salah satu dari dua angka acak dihasilkan: 1 atau 2. Misalkan 2. Dalam hal ini, Anda memilih angka ke-2, ke-4, ke-6, dst. nilai rata-rata konsumen.
Terakhir, 20% omset perusahaan berasal dari pelanggan bernilai rendah, sehingga mereka harus menjadi 20% sampel, yaitu 40 responden pada contoh yang diberikan. Ada total 400 konsumen bernilai rendah di sana, yang setara dengan persentase terpilih 1:10. Hal ini dapat dilakukan dengan menggunakan prosedur pengambilan sampel acak sistematik yang sama. Di akhir proses, perusahaan akan menerima sampel konsumen acak yang diketik yang akan mewakili aktivitas bisnis mereka dan, karena pemilihan acak, akan bebas dari tren.
4.3.2 Pengambilan sampel contact person
Meskipun prosedur di atas menghasilkan sampel konsumen yang acak dan representatif, namun penelitiannya tidak dilakukan pada perusahaan, melainkan pada individu, jadi jika Anda bekerja di pasar business-to-business, Anda harus bersama dengan sampel konsumen, sampel di antara kontak pribadi. Dalam praktiknya, organisasi sering kali memilih individu berdasarkan kenyamanan - orang-orang yang memiliki lebih banyak kontak dengan mereka, yang namanya mereka miliki. Jika individu dipilih berdasarkan prinsip ini, maka betapapun hati-hatinya sampel perusahaan yang diketik itu dilakukan, akibatnya sampel tersebut akan direduksi menjadi sampel yang tidak representatif dari orang-orang yang dikenal seseorang. Untuk menghindari kecenderungan ini, Anda harus memilih individu secara acak. Cara menerapkan pemilihan ini adalah dengan membuat daftar orang-orang yang terkait dengan produk atau layanan Anda untuk setiap pelanggan, lalu memilih orang-orang dari daftar tersebut secara acak. Jika Anda ingin melaksanakan prosedur yang lebih kompleks dan tepat, Anda harus membagi daftar semua orang ke dalam beberapa sektor, sehingga tidak memasukkan terlalu banyak orang di bawah umur. Misalnya, Anda melakukan analisis administratif dan memutuskan bahwa agar lebih akurat mencerminkan proses pengambilan keputusan, sampel Anda harus berisi 40% kontak pembelian, 40% kontak teknis, dan 20% semua kontak lainnya. Dalam hal ini, Anda harus mengambil sampel acak dari individu-individu dalam proporsi ini.
4.4 Ukuran sampel
Masalah lain yang perlu diputuskan adalah jumlah konsumen yang perlu Anda masukkan dalam sampel Anda. Beberapa perusahaan, terutama di pasar bisnis-ke-bisnis, memiliki jumlah pelanggan berharga yang sangat sedikit. Perusahaan lain memiliki lebih dari satu juta konsumen. Di pasar bisnis, ukuran populasi berhubungan persis dengan jumlah individu di setiap pelanggan yang mempengaruhi penilaian kepuasan pelanggan, dan belum tentu sama dengan jumlah individu yang sering Anda hubungi. Biasanya, semakin tinggi nilai pelanggan, semakin banyak individu yang harus diikutsertakan. Untuk penyedia perangkat lunak komputer, satu pelanggan mungkin memiliki beberapa ratus pengguna. Meski begitu, beberapa organisasi akan memiliki populasi yang jauh lebih besar dibandingkan yang lain, namun hal ini tidak akan mempengaruhi jumlah konsumen yang disurvei yang diperlukan untuk menyediakan sampel yang dapat diandalkan.
4.4.1 Keandalan sampel dalam kaitannya dengan ukuran sampel
Ketepatan statistik suatu sampel berkaitan dengan ukuran absolutnya, terlepas dari berapa banyak orang yang ada dalam keseluruhan populasi. Pertanyaan mengenai berapa proporsi konsumen yang harus disurvei adalah pertanyaan yang menyesatkan. Sampel yang lebih besar selalu lebih dapat diandalkan dibandingkan sampel yang lebih kecil, berapa pun ukuran populasinya. Hal ini paling baik diilustrasikan oleh kurva lonceng (lihat Gambar 4.3), yang darinya kita dapat menyimpulkan bahwa ketika kita memeriksa sekumpulan data, data tersebut cenderung mengikuti distribusi normal. Hal ini tidak hanya berlaku pada data penelitian.
Data ekstrim Data normal Data ekstrim
Beras. 4.3 Kurva lonceng
Misalnya, jika Anda mencatat curah hujan bulan Juni di Manchester selama periode lima tahun yang mana curah hujan bulan Juni normal selama tiga tahun, namun dua tahun di bulan Juni sangat basah, maka perkiraan curah hujan rata-rata akan sangat bias karena dua bulan basah yang tidak sesuai musim tersebut. Jika data dikumpulkan selama 100 tahun, maka dua bulan yang sangat basah atau kering akan berdampak kecil terhadap rata-rata curah hujan bulan Juni di Manchester. Hal yang sama berlaku untuk penelitian. Jika Anda hanya mempelajari 10 orang dan dua di antaranya memiliki pandangan ekstrem, hasil akhirnya akan sangat menyimpang. Dampaknya akan jauh lebih kecil dengan jumlah sampel 50 dan hampir tidak ada dampak dengan jumlah sampel 500, sehingga semakin besar ukuran sampel, semakin kecil risiko mendapatkan hasil yang salah. Gambar 4.4 menunjukkan bahwa seiring bertambahnya ukuran sampel, keandalan sampel juga meningkat. Pada awalnya, pada ukuran yang sangat kecil, keandalan meningkat dengan sangat cepat, namun seiring bertambahnya ukuran sampel, pengaruh ukuran sampel terhadap keandalan sampel menurun. Anda dapat melihat bahwa kurva mulai mendatar antara 30 dan 50 responden, yang secara umum dianggap sebagai ambang batas antara penelitian kualitatif dan kuantitatif. Ketika ukuran sampel mencapai 200, peningkatan keandalan seiring bertambahnya jumlah responden sangatlah kecil. Oleh karena itu, ukuran sampel sebanyak 200 responden dianggap sebagai ukuran sampel minimum untuk memastikan IEP dapat diandalkan. Perusahaan dengan basis konsumen yang sangat kecil (sekitar atau kurang dari 200 kontak) sebaiknya meneliti semua konsumen yang dihubungi.
Pada beberapa tahun mungkin tidak ada hujan pada bulan Juni (bahkan di Manchester), pada beberapa tahun intensitas hujan sangat tinggi, namun pada sebagian besar tahun curah hujan berada di antara kedua batas tersebut, dalam zona "normal". Apakah kita sedang melihat data penelitian atau curah hujan di Manchester, pertanyaan kuncinya adalah: “Apa risiko mendapatkan data abnormal yang merusak hasil?” Semakin kecil sampelnya, semakin tinggi risikonya.
4.4.2 Analisis mendalam
Seperti disebutkan sebelumnya, penelitian bisnis umumnya berasumsi bahwa ukuran sampel sebanyak 200 anggota memberikan keandalan yang diperlukan untuk mengukur kepuasan pelanggan secara keseluruhan, terlepas dari apakah populasinya 500.000 atau 600.000. Namun ada satu pengecualian penting dalam hal ini, dan hal ini terjadi ketika Anda memiliki segmen yang berbeda dan ingin melakukan analisis mendalam terhadap hasilnya dengan membandingkan kepuasan di berbagai segmen. Jika Anda membagi sampel yang terdiri dari 200 item menjadi beberapa segmen, Anda akan dihadapkan pada masalah ukuran sampel yang kecil dan oleh karena itu tidak dapat diandalkan di setiap segmen. Oleh karena itu, secara umum diterima bahwa jumlah sampel minimum adalah 200 dan minimum segmen adalah 50.
Oleh karena itu, ukuran total sampel sering kali ditentukan oleh berapa banyak segmen yang ingin Anda analisis. Jika Anda ingin membagi hasil menjadi enam segmen, Anda memerlukan ukuran sampel minimal 300 anggota, sehingga setiap segmen memiliki minimal 50 anggota. Hal ini penting bagi perusahaan dengan banyak divisi atau pasar. Berdasarkan angka 50 responden per segmen, pengecer dengan 100 toko memerlukan sampel minimal 5.000 anggota jika kepuasan pelanggan ingin diukur di tingkat toko. Namun menurut pendapat kami, jika perbandingan antar toko harus dilakukan dan keputusan manajemen dibuat berdasarkan hasil penelitian, maka jumlah minimum absolutnya adalah 100 konsumen per toko, atau lebih baik lagi 200 konsumen. Untuk pengecer dengan 100 toko, hal ini memerlukan ukuran sampel sebanyak 20.000 konsumen untuk mendapatkan hasil yang sangat andal di tingkat toko.
4.4.3 Ukuran sampel dan tingkat respons
Satu faktor lagi yang perlu diperhatikan. Ukuran sampel yang disarankan sebanyak 200 responden untuk memastikan keandalan yang memadai mengacu pada tanggapan, bukan jumlah konsumen yang dipilih dan diundang. Selain itu, untuk memastikan keandalan statistik, ini berarti 200 konsumen dipilih dan 200 peserta yang sama menjawab pertanyaan wawancara atau mengembalikan kuesioner. Jika tingkat tanggapan Anda rendah, secara statistik tidak dapat diandalkan untuk memberikan kompensasi hanya dengan mengirimkan lebih banyak kuesioner sampai Anda mendapatkan 200 tanggapan. Masalah kecenderungan kurangnya respons bisa menjadi sangat signifikan dalam studi IEP dan akan dibahas lebih rinci pada bab berikutnya.
4.5 Kesimpulan
(a) ISO 9000:2000 menyatakan bahwa metode statistik yang diakui harus digunakan untuk memperoleh sampel yang andal untuk pengukuran yang berhubungan dengan konsumen.
(b) Pengambilan sampel non-probabilitas meningkatkan risiko suatu tren yang mempengaruhi hasil dan hanya boleh digunakan oleh organisasi yang tidak memiliki database pelanggan.
(c) Bagi sebagian besar organisasi, cara terbaik untuk mendapatkan sampel yang representatif dan bebas bias adalah pengambilan sampel secara acak berdasarkan kuota.
(d) Kerangka pengambilan sampel harus terdiri dari individu-individu yang signifikan. Di pasar bisnis, mungkin perlu melibatkan banyak responden (terkadang banyak) dari pelanggan besar.
(e) 200 responden merupakan jumlah minimum responden yang diperlukan untuk mengukur kepuasan pelanggan di seluruh organisasi secara andal. Jumlah ini tidak bergantung pada jumlah konsumen yang Anda miliki.
(f) Organisasi dengan pelanggan atau kontak kurang dari 200 harus melakukan penelitian terhadap semua pelanggan yang disebutkan.
(g) Apabila hasil ingin diperoleh per segmen, maka jumlah sampel minimal per segmen adalah 50 responden. Dalam kasus ini, ukuran minimum yang diperlukan dari seluruh sampel akan sama dengan jumlah segmen dikalikan 50.
Sebenarnya, kita mulai dengan bukan hanya satu, tapi tiga pertanyaan: Apa yang dimaksud dengan pengambilan sampel? kapan itu mewakili? siapa dia?
Himpunan adalah sekelompok orang, organisasi, peristiwa yang menarik bagi kita, yang ingin kita simpulkan, dan kasus atau objek adalah elemen apa pun dari himpunan tersebut1. Sampel – subkelompok mana pun dari populasi kasus (objek) yang dipilih untuk dianalisis. Jika kita ingin mempelajari aktivitas pengambilan keputusan para legislator negara bagian, kita dapat memeriksa aktivitas tersebut di badan legislatif negara bagian Virginia, North Carolina, dan South Carolina, bukan di seluruh lima puluh negara bagian, dan dari sana menggeneralisasi temuan-temuan tersebut ke dalam populasi. di mana ketiga negara bagian ini dipilih. Jika kita ingin menguji sistem preferensi pemilih di Pennsylvania, kita dapat melakukannya dengan mensurvei 50 pekerja AS. S. Steele” di Pittsburgh, dan memperluas hasil survei ke seluruh pemilih di negara bagian tersebut. Demikian pula, jika kita ingin mengukur kecerdasan mahasiswa, kita dapat menguji semua pemain bertahan yang terdaftar di Ohio State pada musim sepak bola tertentu dan kemudian menggeneralisasi hasilnya pada populasi di mana mereka menjadi bagiannya. Dalam setiap contoh, kita melanjutkan sebagai berikut: kita mengidentifikasi subkelompok dalam populasi, mempelajari subkelompok ini, atau mengambil sampel, secara mendetail, dan menggeneralisasikan hasil kita ke seluruh populasi. Ini adalah tahapan utama pengambilan sampel.
Namun, nampaknya cukup jelas bahwa masing-masing sampel memiliki kekurangan yang signifikan. Misalnya, meskipun badan legislatif di Virginia, Carolina Utara, dan Carolina Selatan merupakan bagian dari kumpulan badan legislatif negara bagian, namun karena alasan historis, geografis, dan politik, mereka cenderung beroperasi dengan cara yang sangat mirip dan sangat berbeda dari badan legislatif di Virginia. negara bagian yang berbeda seperti New York, Nebraska dan Alaska. Meskipun lima puluh pekerja baja di Pittsburgh mungkin memang merupakan pemilih di negara bagian Pennsylvania, mereka, berdasarkan status sosial ekonomi, pendidikan, dan pengalaman hidup, mungkin memiliki pandangan yang berbeda dari pandangan banyak orang lain yang juga merupakan pemilih. Demikian pula, meskipun pemain sepak bola Ohio State adalah mahasiswa, mereka mungkin berbeda dari mahasiswa lainnya karena berbagai alasan. Artinya, meskipun masing-masing subkelompok ini memang merupakan sampel, anggota masing-masing subkelompok secara sistematis berbeda dari sebagian besar anggota populasi lain yang menjadi asal seleksi mereka. Sebagai suatu kelompok tersendiri, tidak ada satupun yang khas dalam hal sebaran ciri-ciri pendapat, motif tingkah laku dan ciri-ciri dalam populasi yang dikaitkan dengannya. Oleh karena itu, para ilmuwan politik akan mengatakan bahwa tidak satupun dari sampel ini yang mewakili.
Sampel yang representatif adalah sampel yang semua ciri-ciri utama suatu populasi yang menjadi asal pengambilan sampel itu terwakili dalam proporsi yang kira-kira sama atau dengan frekuensi yang sama dengan munculnya ciri-ciri tertentu dalam populasi tersebut. Oleh karena itu, jika 50% dari seluruh badan legislatif negara bagian mengadakan pertemuan hanya sekali setiap dua tahun, maka kira-kira setengah dari komposisi sampel perwakilan badan legislatif negara bagian harusnya termasuk dalam jenis ini. Jika 30% pemilih di Pennsylvania merupakan pemilih kerah biru, maka sekitar 30% sampel yang mewakili pemilih tersebut (bukan 100% seperti pada contoh di atas) seharusnya merupakan pemilih kerah biru. Dan jika 2% dari seluruh mahasiswa adalah atlet, kira-kira proporsi yang sama dari sampel perwakilan mahasiswa harus menjadi atlet. Dengan kata lain, sampel yang representatif adalah mikrokosmos, model populasi yang lebih kecil namun akurat yang ingin dicerminkannya. Sejauh sampel tersebut representatif, kesimpulan berdasarkan studi terhadap sampel tersebut dapat diasumsikan berlaku untuk populasi asli. Penyebaran hasil inilah yang kita sebut generalisasi.
Mungkin ilustrasi grafis dapat membantu menjelaskan hal ini. Misalkan kita ingin mempelajari pola keanggotaan kelompok politik di kalangan orang dewasa Amerika.
Beras. 5.1. Pembentukan sampel dari populasi umum
Gambar 5.1 menunjukkan tiga lingkaran yang dibagi menjadi enam sektor yang sama besar. Gambar 5.1a mewakili keseluruhan populasi yang dipertimbangkan. Anggota populasi diklasifikasikan menurut kelompok politik (seperti partai dan kelompok kepentingan) di mana mereka berada. Dalam contoh ini, setiap orang dewasa menjadi anggota setidaknya satu dan tidak lebih dari enam kelompok politik; dan keenam tingkat keanggotaan ini didistribusikan secara merata secara agregat (sehingga sektor-sektornya setara). Misalkan kita ingin mempelajari motif seseorang untuk bergabung dalam suatu kelompok, pilihan kelompok, dan pola partisipasi, namun karena keterbatasan sumber daya, kita hanya dapat mempelajari satu dari setiap enam anggota populasi. Siapa yang harus dipilih untuk dianalisis?
Salah satu sampel yang mungkin dari volume tertentu diilustrasikan oleh area yang diarsir pada Gambar 5.1b, namun jelas tidak mencerminkan struktur populasi. Jika kita membuat generalisasi dari sampel ini, kita akan menyimpulkan: (1) bahwa semua orang dewasa Amerika tergabung dalam lima kelompok politik dan (2) bahwa semua perilaku kelompok orang Amerika cocok dengan perilaku mereka yang termasuk dalam lima kelompok tersebut. Namun, kita tahu bahwa kesimpulan pertama tidak benar, dan ini mungkin menimbulkan keraguan terhadap validitas kesimpulan kedua. Dengan demikian, sampel yang digambarkan pada Gambar 5.1b tidak representatif karena tidak mencerminkan distribusi suatu properti populasi tertentu (sering disebut parameter) menurut distribusi sebenarnya. Sampel seperti itu dikatakan bias terhadap anggota kelima kelompok atau menyimpang dari semua pola keanggotaan kelompok lainnya. Berdasarkan sampel yang bias, kita biasanya mengambil kesimpulan yang salah tentang populasi.
Hal ini terlihat paling jelas dari bencana yang menimpa majalah Literary Digest pada tahun 1930-an, yang menyelenggarakan jajak pendapat masyarakat mengenai hasil pemilu. Literary Digest adalah majalah berkala yang mencetak ulang editorial surat kabar dan materi lain yang mencerminkan opini publik; majalah ini sangat populer pada awal abad ini. Mulai tahun 1920, majalah tersebut mengadakan jajak pendapat nasional berskala besar di mana surat suara dikirim melalui pos ke lebih dari satu juta orang yang meminta mereka untuk menunjukkan kandidat favorit mereka dalam pemilihan presiden mendatang. Selama beberapa tahun, hasil jajak pendapat majalah tersebut begitu akurat sehingga jajak pendapat pada bulan September tampaknya menjadikan pemilu bulan November tidak relevan. Dan bagaimana kesalahan bisa terjadi dengan sampel sebesar itu? Namun, pada tahun 1936, inilah yang sebenarnya terjadi: dengan suara mayoritas yang besar (60:40), kemenangan diprediksi akan diraih oleh kandidat Partai Republik Alf Landon. Dalam pemilu, Landon kalah dari seorang penyandang disabilitas - Franklin D. Roosevelt - dengan hasil yang hampir sama dengan yang seharusnya ia menangkan. Kredibilitas Literary Digest rusak parah sehingga majalah tersebut tidak lagi dicetak segera setelahnya. Apa yang telah terjadi? Sederhana saja: jajak pendapat Digest menggunakan sampel yang bias. Kartu pos dikirimkan kepada orang-orang yang namanya diambil dari dua sumber: direktori telepon dan daftar registrasi mobil. Meskipun metode seleksi ini sebelumnya tidak jauh berbeda dengan metode-metode lain, keadaannya kini sangat berbeda, pada masa Depresi Besar tahun 1936, ketika para pemilih yang kurang kaya, yang kemungkinan besar merupakan pendukung Roosevelt, tidak mampu memiliki telepon, apalagi mobil. Jadi, pada kenyataannya, sampel yang digunakan dalam jajak pendapat Digest condong ke arah mereka yang kemungkinan besar berasal dari Partai Republik, namun masih mengejutkan bahwa Roosevelt melakukannya dengan baik.
Bagaimana cara mengatasi masalah ini? Kembali ke contoh kita, mari kita bandingkan sampel pada Gambar 5.1b dengan sampel pada Gambar 5.1c. Dalam kasus terakhir, seperenam populasi juga dipilih untuk dianalisis, tetapi masing-masing jenis populasi utama terwakili dalam sampel sesuai proporsi yang terwakili dalam seluruh populasi. Sampel seperti itu menunjukkan bahwa satu dari setiap enam orang dewasa Amerika tergabung dalam satu kelompok politik, satu dari enam tergabung dalam dua kelompok politik, dan seterusnya. Sampel seperti itu juga akan mengungkapkan perbedaan-perbedaan lain di antara anggota yang mungkin berkorelasi dengan partisipasi dalam jumlah kelompok yang berbeda. Dengan demikian, sampel yang disajikan pada Gambar 5.1c adalah sampel yang mewakili populasi yang dipertimbangkan.
Tentu saja, contoh ini disederhanakan setidaknya dalam dua cara yang sangat penting. Pertama, sebagian besar populasi yang menjadi perhatian para ilmuwan politik lebih beragam daripada yang digambarkan. Orang, dokumen, pemerintah, organisasi, keputusan, dll. berbeda satu sama lain bukan dalam satu hal, tetapi dalam jumlah karakteristik yang jauh lebih besar. Oleh karena itu, sampel yang representatif harus dibuat sedemikian rupa sehingga setiap wilayah yang besar dan berbeda terwakili secara proporsional sesuai dengan jumlah populasinya. Kedua, situasi di mana distribusi sebenarnya dari variabel atau atribut yang ingin kita ukur tidak diketahui sebelumnya jauh lebih umum terjadi dibandingkan sebaliknya – hal ini mungkin tidak diukur dalam sensus sebelumnya. Oleh karena itu, sampel yang representatif harus dirancang sedemikian rupa sehingga dapat mencerminkan distribusi yang ada secara akurat meskipun kita tidak dapat menilai validitasnya secara langsung. Prosedur pengambilan sampel harus mempunyai logika internal yang dapat meyakinkan kita bahwa jika kita mampu membandingkan sampel dengan hasil sensus, maka sampel tersebut memang representatif.
Untuk memberikan kemampuan untuk secara akurat mencerminkan organisasi kompleks dari suatu populasi tertentu dan tingkat keyakinan tertentu bahwa prosedur yang diusulkan dapat melakukannya, para peneliti beralih ke metode statistik. Pada saat yang sama, mereka bertindak dalam dua arah. Pertama, dengan menggunakan aturan tertentu (logika internal), peneliti memutuskan objek spesifik apa yang akan dipelajari dan apa sebenarnya yang akan dimasukkan ke dalam sampel tertentu. Kedua, dengan menggunakan aturan yang sangat berbeda, mereka memutuskan berapa banyak objek yang akan dipilih. Kami tidak akan mempelajari berbagai peraturan ini secara rinci; kami hanya akan mempertimbangkan perannya dalam penelitian ilmu politik. Mari kita mulai pertimbangan kita dengan strategi pemilihan objek yang membentuk sampel yang representatif.
